買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉天津大學(xué)申請的專利一種基于LSTM-SCS缺資料山區(qū)洪水過程智能預(yù)報(bào)方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN118780414B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202410744305.7，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)一種基于LSTM-SCS缺資料山區(qū)洪水過程智能預(yù)報(bào)方法是由苑希民;王天之;鄭文;田福昌;王小姣;劉明輝設(shè)計(jì)研發(fā)完成，并于2024-06-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于LSTM-SCS缺資料山區(qū)洪水過程智能預(yù)報(bào)方法在說明書摘要公布了：本發(fā)明公開了一種基于LSTM?SCS缺資料山區(qū)洪水過程智能預(yù)報(bào)方法，依次包括如下步驟：缺資料山區(qū)觀測站點(diǎn)歷史暴雨監(jiān)測數(shù)據(jù)資料收集處理與下墊面數(shù)據(jù)獲得、SCS模型的建立與缺資料山區(qū)觀測站點(diǎn)流域地區(qū)洪水過程線補(bǔ)全、LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型輸入數(shù)據(jù)的預(yù)處理、LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型建立與預(yù)測結(jié)果評價(jià)；本發(fā)明一種基于LSTM?SCS缺資料山區(qū)洪水過程智能預(yù)報(bào)方法建立的SCS模型缺資料數(shù)據(jù)插補(bǔ)效果顯著、具有預(yù)報(bào)精度高的特點(diǎn)。

本發(fā)明授權(quán)一種基于LSTM-SCS缺資料山區(qū)洪水過程智能預(yù)報(bào)方法在權(quán)利要求書中公布了：1.一種基于LSTM-SCS缺資料山區(qū)洪水過程智能預(yù)報(bào)方法，依次包括如下步驟： 1.缺資料山區(qū)觀測站點(diǎn)流域地區(qū)歷史洪水暴雨數(shù)據(jù)收集處理與下墊面數(shù)據(jù)獲得 ①.缺資料山區(qū)觀測站點(diǎn)流域地區(qū)歷史洪水暴雨數(shù)據(jù)收集處理：收集缺資料山區(qū)觀測站點(diǎn)流域地區(qū)至少持續(xù)24小時的至少12場次洪水的歷史洪水暴雨數(shù)據(jù)，所述歷史洪水暴雨數(shù)據(jù)包括歷史降雨數(shù)據(jù)、歷史洪峰流量與歷史峰現(xiàn)時間；所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)如無降雨實(shí)測數(shù)據(jù)，則采用周邊觀測站點(diǎn)流域地區(qū)降雨實(shí)測數(shù)據(jù)進(jìn)行插補(bǔ)，得到缺資料山區(qū)觀測站點(diǎn)流域地區(qū)按時間間隔為小時、按時間先后依次排列的至少持續(xù)24小時的至少12場次洪水的歷史降雨數(shù)據(jù)；根據(jù)所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)洪痕推算出所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)所述至少持續(xù)24小時的至少12場次洪水的歷史洪峰流量；根據(jù)記載記錄明確所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)所述至少持續(xù)24小時的至少12場次洪水的歷史峰現(xiàn)時間；基于ArcGIS對所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)的DEM數(shù)據(jù)進(jìn)行填洼處理和流向分析，并且分析匯流累積量，對河網(wǎng)進(jìn)行提取和分級，分割流域盆地之后得到流域盆地以及河流水系的計(jì)算圖層分析數(shù)據(jù)，根據(jù)計(jì)算圖層分析數(shù)據(jù)建立柵格河網(wǎng)數(shù)據(jù)； ②、缺資料山區(qū)觀測站點(diǎn)流域地區(qū)下墊面數(shù)據(jù)獲得：根據(jù)缺資料山區(qū)觀測站點(diǎn)流域地區(qū)工程設(shè)施、地形地貌、水文氣象、植被覆蓋、河道斷面和土壤類型資料，處理得到所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)的下墊面數(shù)據(jù)； 2.SCS模型的建立與缺資料山區(qū)觀測站點(diǎn)流域地區(qū)洪水過程線補(bǔ)全 ①.SCS模型的建立：a.根據(jù)鄰近有資料山區(qū)觀測站點(diǎn)流域地區(qū)的下墊面數(shù)據(jù)建立鄰近有資料山區(qū)觀測站點(diǎn)流域地區(qū)的SCS模型；b.根據(jù)鄰近有資料山區(qū)觀測站點(diǎn)流域地區(qū)按時間間隔為小時、按時間先后依次排列的至少持續(xù)24小時的至少12場次洪水的歷史流量數(shù)據(jù)和歷史降雨數(shù)據(jù)率定調(diào)參得到適合的CN值以及單位線；c.將步驟2①b所述CN值和單位線與步驟1②所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)的下墊面數(shù)據(jù)結(jié)合構(gòu)建缺資料山區(qū)觀測站點(diǎn)流域地區(qū)的SCS模型；d.根據(jù)步驟1①所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)的歷史洪峰流量和歷史峰現(xiàn)時間率定步驟2①b所述CN值和單位線； ②.缺資料山區(qū)觀測站點(diǎn)流域地區(qū)洪水過程線補(bǔ)全：根據(jù)步驟2①所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)的SCS模型以及步驟1①所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)的歷史降雨數(shù)據(jù)，將步驟1①所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)至少持續(xù)24小時的至少12場次洪水的歷史洪峰流量與歷史峰現(xiàn)時間的洪水過程線補(bǔ)全，得到缺資料山區(qū)觀測站點(diǎn)流域地區(qū)按時間間隔為小時、按時間先后依次排列的至少持續(xù)24小時的至少12場次洪水的歷史流量數(shù)據(jù)； 3.LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型輸入數(shù)據(jù)的預(yù)處理 步驟1①所述缺資料山區(qū)觀測站點(diǎn)流域地區(qū)歷史降雨數(shù)據(jù)中各場次洪水降雨數(shù)據(jù)按時間先后依次排列的7個降雨數(shù)據(jù)P1-P7構(gòu)成各場次洪水單一降雨數(shù)據(jù)組，所述各場次洪水單一降雨數(shù)據(jù)組的P7時刻均具有對應(yīng)步驟2②所述歷史流量數(shù)據(jù)中各場次洪水流量數(shù)據(jù)的某一流量數(shù)據(jù)Q；所述各場次洪水單一降雨數(shù)據(jù)組的P7時刻所對應(yīng)所述某一流量數(shù)據(jù)Q與各場次洪水單一降雨數(shù)據(jù)組中P1-P7依次排列構(gòu)成各場次洪水單一降雨流量數(shù)據(jù)組；至少18個所述各場次洪水單一降雨數(shù)據(jù)組或各場次洪水單一降雨流量數(shù)據(jù)組按照所述數(shù)據(jù)組中P1的時間先后依次排列構(gòu)成各場次洪水降雨數(shù)據(jù)組或各場次洪水降雨流量數(shù)據(jù)組；所述各場次洪水降雨流量數(shù)據(jù)組中排序的各場次洪水單一降雨數(shù)據(jù)組構(gòu)成了各場次洪水時間序列數(shù)據(jù)集，采用max-min歸一化將所述各場次洪水時間序列數(shù)據(jù)集中每個數(shù)據(jù)縮放在0，1作為各場次洪水LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型輸入數(shù)據(jù)； 4.LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型建立 初步擬定LSTM神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，包括隱含層數(shù)、隱含層節(jié)點(diǎn)數(shù)和epoch迭代次數(shù)，在標(biāo)準(zhǔn)LSTM神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上添加Dropout神經(jīng)網(wǎng)絡(luò)的前向傳播計(jì)算公式如公式1-4所示；將經(jīng)過步驟3所述LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型輸入數(shù)據(jù)預(yù)處理后的訓(xùn)練集與驗(yàn)證集各場次洪水?dāng)?shù)量總和的80％作為訓(xùn)練集、20％作為驗(yàn)證集；將所述訓(xùn)練集輸入LSTM模型中進(jìn)行迭代訓(xùn)練，采用驗(yàn)證集對訓(xùn)練結(jié)果進(jìn)行驗(yàn)證，直至預(yù)測誤差滿足預(yù)設(shè)標(biāo)準(zhǔn)，輸出預(yù)測誤差序列； Ml～Bernoullip1y～l＝rl*xl2 公式1-4中：M為隨機(jī)掩碼矩陣；l表示神經(jīng)網(wǎng)絡(luò)的層數(shù)索引，第l層表示當(dāng)前層；對于神經(jīng)網(wǎng)絡(luò)，層是按順序排列的，從輸入層到輸出層；p為保留率；y～l表示第l層經(jīng)過丟棄操作后的輸出；rl表示第l層的丟棄掩碼，表示為0或1的向量；xl表示第l層的輸入；表示第l+1層第i個神經(jīng)元的線性組合輸入；為連接第l層與第l+1層第i個神經(jīng)元的權(quán)重向量；表示第l層第i個神經(jīng)元的偏置；表示第l+1層第i個神經(jīng)元的激活輸出；f為門的激活函數(shù)； 5.預(yù)測結(jié)果評價(jià) 將LSTM-SCS神經(jīng)網(wǎng)絡(luò)的洪水過程預(yù)測結(jié)果與BPNN-SCS神經(jīng)網(wǎng)絡(luò)的洪水過程預(yù)測結(jié)果、GRU-SCS神經(jīng)網(wǎng)絡(luò)的洪水過程預(yù)測結(jié)果采用NSE和R兩個指標(biāo)進(jìn)行對比與分析，所述NSE和R兩個指標(biāo)數(shù)值越高說明預(yù)測結(jié)果精度越高。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人天津大學(xué)，其通訊地址為：300072 天津市南開區(qū)衛(wèi)津路92號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。